🛠️ Kapitel 13 – Clipper (Tutorial)

Einleitung

Clips sind der beste Weg, lange Streams in kurze, teilbare Highlights zu verwandeln.
Das Ziel dieses Kapitels: Wir bauen ein System, das neue Videos automatisch erkennt, sinnvolle Stellen analysiert, passende Highlights schneidet und die Ergebnisse in Nextcloud ablegt – komplett mit Titeln und Hashtags für jede Plattform.
Der Clipper selbst übernimmt dabei nur die technische Verarbeitung. Alles rund um Steuerung, Analyse und Benachrichtigungen läuft über n8n – so bleibt das System flexibel, ressourcenschonend und jederzeit erweiterbar.

Voraussetzungen

Proxmox LXC mit Debian 12 (Bookworm)
Nextcloud (Pflicht, Zielort für Clips & Metadaten)
n8n-Instanz (Automatisierung, Steuerung Clipper, Analyse, Metadaten-Erzeugung)
Twitch-Entwickler-Account inkl. API-Key (für VOD- und Clip-Zugriff)
Optional: RTMP-Server, falls VODs lokal aufgezeichnet werden
Ressourcen für den LXC: 1 vCPU, 512 MB RAM, 10 GB Speicher reichen aus
Grundwissen: SSH-Verbindung, Nano-Editor, Basiskenntnisse in n8n

Vorbereitung

Bevor wir Clipper installieren, richten wir den Container sauber ein:

LXC erstellen
- Debian 12, Name clipper
- Ressourcen wie oben (1 vCPU, 512 MB RAM, 10 GB Speicher)

System aktualisieren und Basis-Tools installieren

apt update && apt upgrade -y
apt install -y curl nano unzip ffmpeg inotify-tools

Zeitsynchronisation prüfen
```
timedatectl status
```
Eine saubere Zeitbasis ist entscheidend, da Clips später anhand exakter Sekundenmarken geschnitten werden.
Ordnerstruktur vorbereiten
```
mkdir -p /srv/clipper/{watch,out,temp,logs}
```
- watch → Eingangsordner für neue Videos (über Nextcloud oder Twitch-Import)
- out → fertige Clips + Metadaten
- temp → Zwischenablagen für Analyse
- logs → Protokolle aller Abläufe

Damit ist das Fundament gelegt: Der LXC ist vorbereitet, das System auf Stand, und die Ordnerstruktur für Clipper ist vorhanden.

Hinweis zu späteren Schritten (Analyse & Schneiden)

Im weiteren Verlauf des Tutorials berücksichtigen wir:

Facecam-Erkennung: Falls eine Facecam im Stream vorhanden ist, wird sie automatisch erkannt und als Overlay (z. B. Kreis, Rechteck oder wechselnde Form) in den Clip eingeblendet.
Format-Anpassung: Clips können zusätzlich ins Hochformat (9:16) umgewandelt werden, damit sie ohne Nachbearbeitung für TikTok, Instagram Reels oder YouTube Shorts nutzbar sind.
Varianten: Optional werden sowohl Querformat (16:9) als auch Hochformat exportiert, um alle Plattformen optimal zu bedienen.

Untertitel-Steuerung (per n8n-Option)

In n8n fügen wir ein Auswahlfeld „Untertitel“ hinzu (z. B. im Start-Form/Set-Node oder als Workflow-Variable), mit drei Modi:

Aus – es werden keine Untertitel erzeugt.
SRT – es wird automatisch eine .srt per STT (z. B. Whisper) erzeugt und neben dem Clip abgelegt.
Generiert nach Preset – STT erzeugt Text + Timing, n8n wendet ein Style-Preset an und rendert die Untertitel ins Video ("burned-in").

Preset-Verwaltung: Die Style-Presets (Schriftgröße, Outline, Hintergrund, Position, ggf. ASS/Drawtext-Parameter) liegen zentral, z. B. in Nextcloud unter /presets/subtitles.json oder als n8n Static Data. So können später weitere Presets ergänzt werden, ohne den Workflow umzubauen.

Pipeline-Auswirkung:

Modus SRT → .srt speichern, Clip bleibt „clean“.
Modus Preset → .srt generieren und per ffmpeg (drawtext/subtitles) ins Video rendern; zusätzlich optional .srt beilegen.

3.7 KiB Raw Blame History Unescape Escape